Esto es como preguntar: “Realmente quería especializarme en resolver crucigramas, pero todos en la industria editorial se centran en los problemas ‘fáciles’ de escribir artículos y libros”.
La informática teórica tiene muy poco que ver con la informática práctica en la industria s / w per se . Es una rama de las matemáticas que, como la teoría de números, a veces tiene relevancia para problemas prácticos, y otras veces se apaga y hace lo suyo. También estoy en desacuerdo con Ghalib: la práctica no se queda atrás de la teoría por algunos años. Eso es simplista y supone que van en la misma dirección y que uno es “mejor” que el otro. Tampoco es verdad. Hay áreas donde la práctica es mucho más sofisticada y áreas donde la teoría es más refinada. También hay muchas áreas donde los dos simplemente no son relevantes entre sí.
La práctica puede informar la teoría y viceversa, y el retraso en los campos de superposición puede ser de meses a años y décadas. Conozco algunas áreas problemáticas en la industria que podrían ver mejoras aplicando la tecnología CS teórica de 60 años de programación lineal. Hay otras áreas, como el diseño UX, donde los pioneros de la industria están a pasos agigantados por delante de cualquier cosa que los teóricos hayan codificado y formalizado.
- ¿Por qué las matemáticas son importantes para la inteligencia artificial y el aprendizaje automático?
- ¿La criptografía es un arte o una ciencia?
- ¿Es justo decir que las matemáticas, la informática y la programación se encuentran en la intersección de todas las materias?
- ¿Cuáles son algunas aplicaciones interesantes de las matemáticas en la vida real?
- Si alguien encuentra un algoritmo para resolver un problema np en p, ¿significa que p = np?
Entonces, ¿por qué las empresas no priorizan la aplicación de la teoría donde hay una superposición y la práctica se retrasa?
Su pregunta contiene la suposición de que sabe dónde están los problemas difíciles. Posiblemente eso sea cierto. Su error radica en asumir que esos también son los problemas IMPORTANTES.
La industria no está haciendo lo que cree que debería, porque en la industria, no resuelve ningún problema más allá del nivel en el que se traduce en un mejor rendimiento general. No resuelves los problemas difíciles. Resuelves los importantes. Te detienes en “lo suficientemente bueno” en cada problema, EXCEPTO el más importante, porque ese es el que limita el rendimiento general. Cuando las personas con su enfoque comienzan a dirigir industrias, las empresas comienzan a declararse en quiebra. No lo digo de mala manera. Solo que las personas adictas al uso de sus herramientas favoritas a menudo terminan resolviendo problemas irrelevantes solo para usarlos.
Incluso si pudiera (por ejemplo) mejorar el rendimiento de un sistema logístico 10x aplicando un algoritmo teórico simple de CS, no tiene ningún sentido hacerlo si no afecta el resultado final. Esto se conoce como el fenómeno del “cuello de botella en movimiento”. No tiene sentido optimizar su cadena de suministro para una entrega más rápida si su comercialización no está produciendo realmente la demanda que requiere CUALQUIER entrega. Perder dinero en la cadena de suministro en ese momento es más que inútil, es contraproducente, ya que estaría acumulando inventario MÁS RÁPIDO. Lea El objetivo de Eli Goldratt para comprender cómo funciona esto.
Si alguna vez ha trabajado en problemas industriales, se daría cuenta de que la complejidad computacional o la falta de un buen algoritmo es solo uno de los millones de lugares donde el cuello de botella en una empresa puede encontrarse en un momento dado. El problema principal podría ser la caída de la cuota de mercado debido a un nuevo competidor, proveedores poco confiables, fallas en los equipos, etc.
Te conviertes en un generalista y ayudas a resolver los cuellos de botella donde sea que estén, o esperas hasta que tus habilidades se vuelvan relevantes cuando el cuello de botella se traslade a tu área de especialización.
Incluso dentro de la industria informática, el cuello de botella se encuentra ocasionalmente en la base fundamental de CS. La calidad de búsqueda NO siempre es el problema n. ° 1 en Google. La calidad de las recomendaciones NO siempre es el problema n. ° 1 en Netflix.
Si REALMENTE desea tener un impacto utilizando CS teórico, eche un vistazo a diferentes industrias e identifique los problemas de cuellos de botella con los que cada uno está luchando. Si alguno de ellos parece que la teoría podría proporcionar el avance necesario, hágalo. Puedes esperar mucho tiempo.